基于人工神经网络的非线性泊松回归的贝叶斯建模
应用统计
2018-10-25 v1
摘要
身处大数据时代，计数数据的建模与预测在健康、金融、社会等诸多领域已变得极为重要。尽管线性泊松回归已被广泛用于建模计数与比率数据，但它可能并不总是合适，因为其无法捕捉复杂数据中的一些内在变异性。在本研究中，我们引入了一种由贝叶斯人工神经网络（ANN）驱动的概率性非线性泊松回归模型来建模计数或比率数据。如我们的模拟与真实数据研究所示，这种用贝叶斯 ANN 开发的新型非线性泊松回归模型相比传统泊松或负二项回归模型提供了更高的预测精度。
引用
@article{arxiv.1810.10138,
title = {Bayesian Modeling of Nonlinear Poisson Regression with Artificial Neural Networks},
author = {Hansapani Rodrigo and Chris Tsokos},
journal= {arXiv preprint arXiv:1810.10138},
year = {2018}
}